O Uso da Mineração de Processos na Análise do Tempo das Movimentações Processuais

Resumo

O tempo exigido para resolução de processos judiciais impacta a economia, a confiança dos investidores em um país e a vida da população. No Brasil, princípios de boas práticas fornecem diretrizes referentes à duração razoável do processo. Entretanto, modelos de aprendizagem de máquina podem prever com precisão o tempo total processual e prover insights referentes a possíveis causas de ineficiência. Trabalhos da literatura fornecem soluções nesse sentido, porém não consideram as movimentações processuais realizadas no processo durante seu trâmite. Este trabalho utiliza modelos de aprendizagem de máquina treinados com características pautadas na sequência de movimentações processuais e características do tribunal responsável pelo processo. Investiga assim a habilidade dos modelos para a tarefa, além de considerar a importância das features envolvidas. Foram utilizados processos eleitorais de diferentes tribunais regionais, TREs, de estados do nordeste brasileiro. Os modelos foram capazes de prever o tempo total processual com alta acurácia em que o Light Gradient Boosting Machine (LGBM) obteve R² médio de 0.9. Os resultados sugerem a eficiência da abordagem e a exploração de técnicas de mineração de processos como diferencial para a tarefa.